分子進化分析的主要方法

❶ 分子進化的核酸進化

核酸是遺傳物質，可以明顯地看到在生物進化過程中各種生物每一基因組的核酸的量在總的趨勢上逐漸增加（表1）。
從總的趨勢來看，愈是低等生物DNA量愈少，愈是高等則愈多。但是這規律對於某些生物顯然並不適用，原因是多方面的。一般生物愈是高等則所需要的基因愈多（見基因），可是進化達到某一階段以後，基因的數目便不再相應地增加。細菌的呼吸代謝和氨基酸、核苷酸代謝途徑與人沒有多大差別，這一事實足以說明有關的酶的結構基因沒有太大的增加。倍性對於每一細胞中的DNA的含量有很大的影響。纖毛蟲的DNA含量特別高便是由於這一原因。例如雙小核草履蟲（Paramecium aurelia）的大核是860倍體，梨形四膜蟲（Tetrahymena pyriformis）的大核是100倍體。被子植物的每一細胞中的DNA含量較高也是由於這一原因（見染色體倍性）。各種生物的不編碼蛋白質的重復序列和內含子的量不同是使 DNA含量不同的另一原因。 生物進化過程中 DNA的質也在發生變化。用分子雜交方法可以分析各種生物的DNA的相似程度（表2）。
對於某一類生物來講，例如在靈長類動物和細菌等生物中都可以用同樣的方法來測定它們的親緣關系（圖1）。
進化中的保守性 分子雜交測定的結果只能說明兩種生物的DNA的相同或不同程度，通過DNA順序分析才能知道它們怎樣相同或不同。對於大腸桿菌和λ噬菌體等的46個啟動區進行核苷酸順序分析，發現在每一個基因的mRNA轉錄位置前面相隔10個鹼基對的地方有一個稱為普裡布諾順序的保守區，它包括核苷酸順序TATAATG。這裡面特別是從左面開始第1、第 2和第6這幾個鹼基如果變為G或C就會導致轉錄效率下降，尤其是第6位上的T，在46個例子中從沒有發現過例外。在高等生物中存在著的類似保守區稱為霍格內斯順序。
在 5個腸道桿菌科（Enterobacteriaceae）細菌中曾經分析了它們的染色體DNA復制起點的245個核苷酸的順序，發現它們的相同的順序可以多達85%，同樣說明這一順序具有很強的保守性。
這一類保守區的存在說明這些結構對於各自的功能是十分重要的，因而在生物進化過程中不容輕易改變。至於個別基因或染色體片段的位置改變則在進化過程中可以發生而保存下來。個別核苷酸的改變同樣可以發生而保存下來，這些變化可以清楚地反映在各種近緣生物的染色體和遺傳學圖的比較研究中，也可以反映在蛋白質的比較研究中。

❷ 分子進化樹的構建主要有哪些演算法

簡單步驟

1 序列的比對，然後將比對好的序列轉化成.nex格式

2 運行MrBayes，簡單步驟如下：（依次輸入命令，完成簡單也最常用的分
析）：Execute filename.nex，打開待分析文件，文件必須和mrbayes程序在同一目錄下。Lset nst=6 rates=invgamma，該命令設置進化模型為with gamma-distributed rate variation across sites和a proportion of invariable sites的GTR模型。模型可根據需要更改，不過一般無須更改。

3 mcmc ngen=10000 samplefreq=10，保證在後面的可能性分布中probability distribution至少取到1000個樣品。默認取樣頻率：every 100th generation。

4 如果分裂頻率分支頻率split frequencies的標准偏差standard deviation在100,000代generations以後低於0.01，當程序詢問：「Continue the analysis? (yes/no)」，回答no；如果高於0.01，yes繼續直到該值低於0.01。

5 sump burnin=250（在此為1000個樣品，即任何相當於你取樣的25％的值），參數總結summarize the parameter，程序會輸出一個關於樣品（sample）的替代模型參數的總結表，包括mean，mode和95 % credibility interval of each parameter，要保證所有參數PSRF（the potential scale rection factor）的值接近1.0，如果不接近，分析時間要延長。

6 sumt burnin=250，總結樹summarize tree。程序會輸出一個具有每一個分支的posterior probabilities的樹以及一個具有平均枝長mean branch lengths的樹。這些樹會被保存在一個可以由treeview等讀取的樹文件中。

❸ 什麼是分子進化列舉分子進化的研究方法

分子進化列舉分子進化的研究方法

**************************************************************
如果你對這個答案有什麼疑問，請追問，
另外如果你覺得我的回答對你有所幫助，請千萬別忘記採納喲！
***************************************************************

❹ 運算最慢的分子進化樹構建方法

運算最慢的分子進化樹構建方法是貝葉斯法。
從計算速度來看，最快的是基於距離的方法，幾十條序列幾秒鍾即可完成。其次是最大簡約法。最大似然法就要慢得多。最慢的是貝葉斯法。但是不算準確度來看，算得最慢的貝葉斯法確是最准確，而算得最快的基於距離法結果確是最粗糙。從實用的角度，建議使用最大似然法。因為這種方法價從速度還是准確度都比較適中。
雖然軟體可以快速自動地完成系統發生樹的構建，但是對於基本演算法的了解還是必不可少的。以非加權分組平均法(UPGMA法)為例，介紹如何通過計算所有序列兩兩間的距離，再根據距離遠近構建系統發生樹。序列兩兩間的距離可以用雙序列比對得出的一致度/相似度代表，或用其他簡化值代替。
雖然軟體可以快速自動地完成系統發生樹的構建，但是對於基本演算法的了解還是必不可少的。
(4)分子進化分析的主要方法擴展閱讀：
保守區用於構建進化樹
保守區選擇是系統發育分析過程中一個重要的步驟。分析時可以選擇保守位點，也可以選擇基因全長序列，但是當序列差異大時，建議保留保守序列用於進化樹構建。常用的保留序列保守區的軟體有Gblock、MEME等。
進化樹構建方法的選擇
演算法英文名演算法中文名
ML，Maximum likelihood 最大似然法
NJ，Neighbor-Joining 鄰接法
MP，Maximum parsimony 最大簡約法
ME，Minimum Evolution 最小進化法
Bayesian 貝葉斯推斷
UPGMA 不常用

❺ 分子進化的蛋白質進化

蛋白質差異 可以用免疫學方法測定各種生物的蛋白質的親緣關系，例如用人的清蛋白注射家兔，從家兔取得抗血清，把抗血清分別和人、大猩猩、黑猩猩等的清蛋白進行沉澱反應測定，可以看到愈是親緣關系相近的清蛋白沉澱反應愈強。
同工酶的電泳測定是70年代發展起來的可以用來比較生物蛋白質的親緣關系的方法。同工酶是功能相同而一級結構不相同的酶。一種蛋白質中任何一個氨基酸的替代，只要它帶來用電泳方法可以區分的電荷差別就可被檢出，但如果沒有帶來電荷差別便不能檢出。由於這一方法簡便、快速，所以在分子進化的研究中常被採用。例如曾用電泳方法對包括魏氏果蠅 (Drosophilawil-listoni）在內的9種果蠅14個亞種的 36種酶的同工酶進行分析，根據分析的結果可以繪制出它們的系譜圖。

❻ 分子進化的簡介

分子進化
molecular evolution
生物進化過程中生物大分子的演變，包括前生命物質的演變；蛋白質分子和核酸分子的演變以及細胞器和遺傳機構（例如遺傳密碼）的演變。分子進化的研究可以為生物進化過程提供佐證，為深入研究進化機制提供重要依據。
廣義的分子進化有兩層含義，一是原始生命出現之前的進化，即生命起源的化學演化；二是原始生命產生之後生物在進化發展過程中，生物大分子結構和功能的變化以及這些變化與生物進化的關系，這就是通常所說的分子進化。

❼ 什麼是酶分子定向進化有哪些方法

酶分子定向進化:模擬自然進化過程（隨機突變和自然選擇）在體外進行酶基因的人工隨機突變，建立突變基因文庫，在人工控制條件的特殊環境下，定向選擇得到具有優良催化特性的酶的突變體的技術過程。

篩選方法：平板篩選法，熒光篩選法，噬菌體表面展示法，細胞表面展示法，核糖體表面展示法

❽ 分子進化與小進化講了不一樣的故事，兩者的區別和聯系在哪裡

分子進化(Molecular Evolution)(Molecular Evolution)(Molecular Evolution)(Molecular Evolution)與系統發育分析
系統發育學研究的是進化關系，系統發育分析就根據同源性狀的分歧來推斷或者評估這些進化關系。通過系統發育分析所推斷出來的進化關系一般用分枝圖(進化樹) 來描述，這個進化樹描述了分子(基因樹)、物種以及二者之間遺傳關系的譜系。由於「Glade」這個詞(擁有共同祖先的同一譜系)在西臘文中的本意是分支，所以系統發育學有時被稱為遺傳分類學(cladistics) 。
在現代系統發育研究中，重點己不再是生物的形態學特徵或其他特徵，而是生物大分子尤其是序列，對序列的系統發育分析又稱為分子系統學或分子系統發育研究。它的發展得益於大量序列的測定和分析程序的完善。比起許多其他實驗性學科，分子系統學與其他進化研究一樣有其局限，即系統發育的發生過程都是己經完成的歷史，只能在擁有大量序列信息的基礎上去推斷過去曾經發生過什麼，而不能再現。由於系統發育分析不太可能擁有實驗基礎，至多是些模擬實驗或者病毒實驗:如何處理序列從中得到有用信息、如何用計算的辦法得到可信的系統樹、如何從有限的數據得到進化模式成為這個領域的研究熱點。
1進化樹構建
構建進化樹的方法包括兩種:一類是基於序列類似性比較，主要是基於氨基酸/核酸相對突變率矩陣計算不同序列差異性積分作為它們的差異性量度而構建的進化樹；另一類是在難以通過序列比較構建進化樹的情況下，通過蛋白質結構比較包括剛體結構疊合和多結構特徵比較等方法建立的進化樹。
2評估進化樹和數據
現在己經有一些程序可以用來評估數據中的系統發育信號和進化樹的健壯性。對於前者，最流行的方法是用數據信號和隨機數據作對比實驗(偏斜和排列實驗):對於後者，可以對觀察到的數據重新取樣，進行進化樹的支持實驗(非參數自引導和對折方法)。似然比例實驗可以對取代模型和進化樹都進行評估。本文只闡述幾個常用的方法：
偏斜實驗(Skewness Test)：統計的臨界值隨著分類群數口的不同和序列中點的不同而不同，對隨機數據集呈現的信號很敏感，可以用來決定系統發育信號是否保留著。
排列實驗(PTP, permutation tail probability)：對MP樹的分值和那些通過對每一個位點都進行大量排列組合而得到的數據所推算出來的進化樹的分值進行比較，從而決定在原始數據中是否存在系統發育信號。
自引導評估(bootstrap )： Bootstrap是由Felsenstein （1985）引入分子分類領域的，現己成為分析分子樹置信區間最常用的方法。其原理是假定某序列Ao有N個位點，Bootstrap復制時從Ao中隨機取N個位點。Ao中的某些位點可能被隨機遺漏，而某些位點則可能取到不僅一次，由此組成一個新序列A1。對一組數據復制n次，則可得到Ao衍生的n組數據。由此可構建n個分子樹，根據「多數規則」( majority rule)從這n個分子樹中統計得到一致樹(consensus tree )，一致樹中各分支結構在n個分子樹中出現的比率便表示原始數據對該結構的支持率。
可以對任何建樹方法進行評估。模擬研究表明，在合適的條件下也就是各種替換速率基本相等，樹枝基本對稱的條件下，如果自引導數值大於70，那麼所得的系統發育進化樹能夠反映真實的系統發生史的可能性要大於95 % 。
3 線性樹(Linearized Tree)
在進化中，雖然核酸或氨基酸的替代絕不會是嚴格恆定的，但是在估計序列間分歧時間方面，分子鍾依然有用。當今我們對物種間的分歧時間或基因重復事件發生的時間仍知之甚少，因此為了理解進化過程，即便粗略地估計分歧時間也是十分重要的。排除比平均速率顯著慢或快的譜系，並對剩餘的譜系按分子鍾假說構建進化樹，就有可能估計不同譜系對間或不同序列對間粗略的分歧時間。按此途徑構建的樹稱為線性樹。線性樹始終遵循分子鍾假說。線性樹的構建分如下幾個步驟：（1）用無需速率恆定假說的構樹法對一組序列構建可靠的樹，並用外類群序列定出樹根。（2）對所用序列檢驗速率恆定假說，並刪除與平均速率有顯著偏差的序列。 (3)用速率恆定假說對剩餘的序列重建一棵系統樹。（4）如果己知某一序列對的分歧時間和序列分歧度，則能標定進化時間。
進化樹的構建方法
1 建立數據模型
建立一個比對模型的基本步驟包括：選擇合適的比對程序，然後從比對結果中提取系統發育的數據集，至於如何提取有效數據，取決於所選擇的建樹程序如何處理容易引起歧義的比對區域和插入/刪除序列(即所謂的空位狀態)。一個典型的比對過程包括：首先應用CLUSTALW程序及類似程序，進行多序列比對，最後提交給一個建樹程序。這個過程有如下特徵選項：①部分依賴於計算機；②需要一個先驗的系統發育標准(即需要一個前導樹);③使用先驗評估方法和動態評估方法對比對參數進行評估；④對基本結構(序列)進行比對；⑤應用非統計數學優化。這些特徵選項的取捨依賴於系統發育分析方法。
2 決定替代模型
替代模型既影響比對，也影響建樹。因此需要採用遞歸方法。對於核酸數據而言，可以通過替代模型中的兩個要素進行計算機評估，但是對於氨基酸和密碼子數據而言，沒有什麼評估方案，其中一個要素是鹼基之間相互替代的模型。另外一個要素是序列中不同位點的所有替代的相對速率。還沒有一種簡單的計算機程序可以對較復雜的變數(比如，位點特異性或者系統特異性替代模型)進行評估，同樣，現有的建樹軟體也不可能理解這些復雜變數。
（1）鹼基取代模型。
一般而言，生物化學性質相近的鹼基之間的取代頻率較高。在DNA中，四種轉換(A→G，G→A,C→T,T→C)的頻率比顛換(A→C,A→T,C→G，G→T)以及它們的反向取代的頻率要高。這些偏向會影響兩個序列之間的預計分歧。各殘基之間的相對取代速率一般用矩陣形式給出：對鹼基而言，行和列都是4，對於氨基酸，行和列都是20(如PAM矩陣)。對於密碼子，行和列都是61(除去終止密碼子)。矩陣中對角元素代表不同序列擁有相同鹼基的代價，非對角線元素對應於一個鹼基變為另一個鹼基的相對代價。固定的代價矩陣就是典型的靜態權重矩陣，MP法中使用的就是這種，如圖5。又如在ML法中，代價值是山即時的速率矩陣得到，如圖6，這個矩陣代表了各種取代可能會發生的概率的ML估計值。
圖6中，非對角線兀素an代表一個變化的瞬時速率、不同取代之間的相對速率和目標鹼基的頻率。而對角線兀素是非零值，很有效說明了一種可能性，即序列之間的分歧度越大，越有可能在很偶然的情況下擁有相同的鹼基。還有一種模型稱為「時間可逆」，認為「前進」和「進化」的取代速率相同。任何一種「時間可逆」的核葺酸取代模型都可以用圖2-5的矩陣來刻畫，只用其中任何一個速率和其他任何速率的差異即可，在任意組合中，最多可達6個參數，每個速率參數都是獨立的。圖5 權重矩陣
（2）位點之間取代速率模型。
除了前面取代模型的多元化外，序列中各個不同位點之間的取代速率差異也會對進化樹的結果產生深遠影響。關於位點之間的速率差異(位點異質性)，一個最明顯的例子就是在三聯體編碼中，第三個編碼位點比前兩個更加容易發生變化。在分析編碼序列時，許多發育分析都會將第三個位點排除:然而在某些情況下，速率差異模型會更加敏銳，如rRNA的保守序列。對位點差異的取代速率予以估值的方法有非參數模型、不變式模型和Gamma模型。非參數模型在MP法中使用，對ML法被認為在計算上不可行。不變式模型對一定比例的位點進行估值，而這些位點不能自由變化，其餘的位點假定為等概率變化。Gamma模型假定一給定序列變化的概率服從Gamma分布，據此指定位點的取代概率。Gamma分布的形狀決定於其參數，描述了一個序列中各個位點的取代頻率分布。目前DNA的替代模型有十種之多，再加上不變位點參數和形狀分布參數。Gamma，模型更有幾十種之多, 幾種有代表性的替代模型是JC, F81, K80, HKY和GTR。
（3）取代模型的選擇
最好的取代模型並不一定總是擁有最多參數的模型。因為對每一個參數進行估值都會引入一個相關變數，從而使整體的變數增加，有時甚至會對模型起到抑製作用。在PAt中可以對DNA序列的取代模型進行規范一個較好的策略，使用似然法同時評估幾個，可逆的取代速率、gamma分布的形狀參數和不變位點的比例。通過估算的取代參數，可以通過比較較多參數和較少參數分別評估得到的似然分值，決定一個簡化的模型是否合理。目前較好的選擇模型方法是似然比檢驗(LikelihoodRatio Test)
3建樹方法
目前,三種主要的建樹方法分別是距離法(如Neighbor joining , NJ) 、最大簡約（Maximum parsimony, MP ）和最大似然(Maximum likelihood ML)。最大似然方法考察數據中序列的多重比對結果，優化出擁有一定拓撲結構和樹枝長度的進化樹，這個進化樹能夠以最大的概率導致考察的多重比對結果。距離法考察數據組中所有序列的兩兩比對結果，通過序列兩兩之間的差異決定進化樹的拓撲結構和樹枝長度。最大簡約方法考察數據組中序列的多重比對結果，優化出的進化樹能夠利用最少的離散步驟去解釋多重比對中的鹼基差異。距離方法簡單地計算兩個序列的差異數量。這個數量被看作進化距離，而其准確大小依賴於進化模型的選擇。然後運行一個聚類演算法，從最相似(也就是說，兩者間的距離最短)的序列開始，通過距離值方陣計算出實際的進化樹，或者通過將總的樹枝長度最小化而優化出進化樹。
用最大節約方法搜索進化樹的原理是要求用最小的改變來解釋所要研究的分類群之間的觀察到的差異。 最大似然方法是評估所選定的進化模型能夠產生實際觀察到的數據的可能性。進化模型可能只是簡單地假定所有核苷酸(或者氨基酸)之間相互轉變的概率一樣。程序會把所有可能的核苷酸輪流置於進化樹的內部節點上，並且計算每一個這樣的序列產生實際數據的可能性(如果兩個姐妹分類群都有核苷酸+ A‑，那麼，如果假定原先的核苷酸是「C"，得到現在的「A-』的.可能性比起假定原先就是「A+』的可能性要小得多)。所有可能的再現(不僅僅是比較可能的再現)的幾率被加總，產生一個特定位點的似然值，然後這個數據集的所有比對位點的似然值的加和就是整個進化樹的似然值。
4 進化樹搜索
單一的進化樹的數量會隨著分類群數量的增長而呈指數增長，從而變為一個天文數字。由於計算能力的限制，現在一般只允許對很小一部分可能的進化樹進行搜索。具體的數量主要依賴於分類群的數量、優化標准、參數設定、數據結構、計算機硬體以及計算機軟體。
現在有兩種搜索方法保證可以找到最優化的進化樹：窮舉法(exhaustivealgorithms)和樹枝一跳躍法(BB, branch -and-band)。對於一個很大的數據集，這兩種方法都很不實用。對分類群數量的限制主要取決於數據結構和計算機速度，但是對於超過20個分類群的數據集，BB方法很少會得到應用。窮舉法要根據優化標准，對每一個可能的進化樹進行評估。BB方法提供一個邏輯方法，以確定哪些進化樹值得評估，而另一些進化樹可被簡單屏蔽。因此BB方法通常要比窮舉法快得多。
絕大多數分析方法都使用「啟發式」的搜索。啟發式演算法(heuristic algorithms搜索出相近的次優化的進化樹家族(「島嶼」)，然後從中得到優化解(「山頂」)。不同的演算法用不同程度的精確性搜索這些島嶼和山頂。最徹底也是最慢的程序(TBR, treebisection-reconnection，進化樹對分重接)先把進化樹在每一個內部樹枝處劈開，然後以任意方式將劈開的碎片重新組合起來。最快的演算法(NNI , nearest-neighborinterchange)只是檢查一下相鄰終端的不太重要的重新組合。因此，傾向於找到最近的島嶼的山頂。
降低搜索代價的最好方法是對數據集進行剪除。影響優化搜索策略選擇的因素(數據量數據結構，時間量，硬體，分析口的)太復雜，無法推薦一個簡單可行的處方。因此，進行搜索的用戶必須對數據非常熟悉且有明確的口標，了解各種各樣的搜索程序及自己硬體設備和軟體的能力。
除上述當前應用最廣的方法外，還有大量的建立和搜索進化樹的其它方法。這些方法包括Wagner距離方法和親近方法(距離轉化方法):Lake的不變式方法(一個基於特徵符的方法，它選擇的拓撲結構包含一個意義重大的正數以支持顛換)：Hadamard結合方法(一個精細的代數方陣方法，對距離數據或者觀察到的特徵符進行修正):裂解方法(這個方法決定在數據中應該支持哪一個基於距離的.IJ選的拓撲結構):四重奏迷惑（Quartet puzzling)方法，該法，可以為ML,建樹方法所應用，這個演算法相對而言是個較快的進化樹搜索演算法。
5 確定樹根
上述的建樹方法所產生的都是無根樹(進化樹沒有進化的極性)。為了評估進化假說，通常必須要確定進化樹的樹根。確定系統發育進化樹的樹根並不是個簡單問題。一種確定樹根的好方法就是分析時加入一個復制的基因。如果來自絕大多數物種或者所有物種的所有的平行基因在分析時都被包含進去，那麼從邏輯上我們就可以把進化樹的樹根定位於平行基因進化樹的交匯處，當然要假定在所有進化樹中都沒有長樹枝問題。

❾ 如何從分子生物學水平討論生物進化

從分子水平來研究生物進化通常有兩個途徑：蛋白質序列的比較和DNA序列的比較。
蛋白質序列比較常見到的是細胞色素C的氨基酸序列在不同物種之間的差異。因為幾乎任何生物體的細胞內都存在細胞色素C。例如人的細胞色素C與黑猩猩的差異為0，與獼猴的差異為1，與馬的差異為12，與果蠅的差異為27，與向日葵的差異為38。可以根據各種生物的細胞色素C氨基酸一級結構的差異導出一個生物進化樹，這個進化樹要比傳統的靠外觀分析描述出的進化樹更具科學性。
隨著各種生物的DNA序列逐步被破譯，通過DNA序列進行生物進化研究是近些年來更加盛行的，一個非常重要的比較是人類與黑猩猩的DNA序列比較分析：美國加州大學伯克利分校的進化生物學家Allan Wilson和他的研究生Mary-Claire King認為，人類和黑猩猩的基因差異僅有1%。在一片質疑聲中，最終DNA測序研究支持了他們的觀點，這也成了人們的普遍認識。這一研究甚至導致了對人類的生物學分類的挑戰，認為黑猩猩應當歸於人屬，這是不是分子水平對生物進化的研究成果呢？
更有意義的是：人類與黑猩猩相比所具有的高度只能只是由於這1%的DNA序列不同導致的！這些差異到底表現在哪裡，是那幾個基因引起了如此巨大的差異呢？這個問題是不是很令人興奮？
進一步的研究表明，雖然DNA的變化總體只有1%，但在黑猩猩第22染色體和對應得人類第21染色體的比較，差異達到1.44%，表現為68000個鹼基對，約400多KB的差別，但這些差別導致了83%的蛋白質表達出現差異，而蛋白質氨基酸序列的差別造成活性和功能有了差別，於是差異便被放大了。還有研究表明人類的染色體中比黑猩猩多處很多重復片斷，是否由於這些好似沒有功能的重復片斷影響到智力的差異呢？這些問題還有待研究。